Encoding Robust Topological Signatures for Hyperdimensional Computing

Este artigo propõe um framework robusto de computação hiperdimensional que codifica primitivas topológicas invariantes a rotação, translação e escala — especificamente formas externas e buracos — em hipervetores, demonstrando resiliência significativamente aprimorada a corrupções em nível de pixel em comparação com codificadores baseados em pixels padrão e CNNs compactas, ao mesmo tempo em que mantém uma acurácia limpa competitiva.

O essencial

Imagine que você está tentando ensinar um computador a reconhecer números escritos à mão, como os dígitos em um pedaço de papel. Normalmente, os computadores fazem isso examinando cada pixel individual (os pontinhos minúsculos que compõem a imagem) e memorizando exatamente como a tinta se parece.

O artigo argumenta que essa abordagem "pixel a pixel" é como tentar reconhecer um amigo pelo padrão exato de sardas em seu rosto. Se esse amigo colocar um chapéu, bronzeie-se ou ficar sob uma luz diferente, o computador fica confuso e falha. É muito frágil.

Os autores propõem uma nova maneira de ensinar o computador, chamada Computação Hiperdimensional (HDC). Em vez de examinar os pixels, eles ensinam o computador a observar o esqueleto da forma e seus buracos.

Veja como seu método funciona, dividido em conceitos simples:

1. O "Detetive de Formas" vs. O "Fotógrafo de Pixels"

Pense em um modelo padrão de visão computacional como um Fotógrafo de Pixels. Ele tira uma foto de cada pontinho. Se você girar a foto ou adicionar algum ruído (estática) à imagem, o padrão de pontos muda completamente, e o fotógrafo se perde.

O método dos autores age como um Detetive de Formas. Em vez de contar pontos, o detetive faz duas perguntas simples:

• Qual é o contorno? (A grande forma do número).
• Onde estão os buracos? (Os espaços vazios dentro da forma, como o buraco no meio de um "8" ou no topo de um "6").

Em termos matemáticos, esses "buracos" são chamados de primitivas topológicas. A coisa legal sobre os buracos é que eles são teimosos. Se você esticar, girar ou encolher uma borracha moldada como um "8", ela ainda terá dois buracos. O número de buracos não muda apenas porque a forma ficou trêmula.

2. Construindo o "Documento de Identidade"

Para fazer isso funcionar, o computador cria um "documento de identidade" especial (um hipervetor) para cada imagem. Ele faz isso em três etapas:

• Etapa A: A Moldura Externa (O Silhueta):
  O computador examina o contorno principal do número. Para garantir que ele reconheça o número esteja ele inclinado ou ampliado, ele usa uma ferramenta matemática chamada momentos de Zernike.

  • Analogia: Imagine tirar uma foto de um prédio. Se você girar a câmera, o prédio parece diferente. Mas, se você descrever o prédio pela sua "distribuição de massa" (o peso das paredes à esquerda versus à direita) em vez do ângulo exato do telhado, você ainda pode reconhecê-lo mesmo que a câmera gire. Esta etapa cria uma descrição da forma externa que permanece a mesma mesmo se você girar ou redimensionar a imagem.

• Etapa B: Os Buracos Internos (A Topologia):
  O computador encontra os buracos dentro do número. Ele mede a forma do buraco e onde ele está situado em relação à borda externa.

  • Analogia: Pense em um donut. Seja o donut grande, pequeno ou inclinado, ele sempre tem um buraco no meio. O computador aprende a dizer: "Ah, esta forma tem um buraco no centro", independentemente de quão bagunçadas sejam as bordas do donut.

• Etapa C: A "Pontuação de Confiança" (Pesos de Confiabilidade):
  Às vezes, a imagem está tão suja (ruidosa) que o computador não consegue ver bem o contorno, mas ainda consegue ver os buracos. Outras vezes, o contorno está claro, mas os buracos estão borrados.
  O sistema aprende a atribuir uma "pontuação de confiança" a cada pista. Se a imagem for ruidosa, ele confia mais na contagem de buracos. Se a imagem for clara, ele confia mais no contorno. Ele combina essas pistas em uma resposta final.

3. Por Que Isso Importa: O Teste de "Ruído"

Os autores testaram seu "Detetive de Formas" contra o "Fotógrafo de Pixels" padrão e um modelo moderno de Aprendizado Profundo (uma CNN Compacta) usando o conjunto de dados MNIST (números escritos à mão).

Eles não testaram apenas em imagens limpas; eles jogaram "corrupções" no computador:

• Ruído Gaussiano: Como adicionar estática de TV à imagem.
• Sal e Pimenta: Como espalhar pontinhos pretos e brancos no papel.
• Zoom: Tornando o número enorme ou minúsculo.
• Recortes: Cobrindo parte do número com um quadrado preto.

Os Resultados:

• O Fotógrafo de Pixels (HDC Ingênuo): Quando adicionaram ruído ou giraram os números, sua precisão despencou. Foi de 95% de precisão em imagens limpas para menos de 10% de precisão nas ruidosas. Foi como uma pessoa que só reconhece um amigo pelo padrão exato de sardas; se as sardas estiverem cobertas por um chapéu, ela não sabe quem é.
• O Modelo de Aprendizado Profundo (CNN): Foi ótimo em reconhecer números limpos (99% de precisão), mas quando o ruído foi adicionado, também colapsou, caindo para um chute quase aleatório (cerca de 11%).
• O Detetive de Formas (HDC Guiado por Topologia): Permaneceu forte. Mesmo com ruído pesado ou rotação, manteve alta precisão (cerca de 70–88%). Não precisou ser re-treinado para lidar com o ruído; seu método de olhar para "buracos e contornos" era naturalmente resistente à bagunça.

A Conclusão

O artigo afirma que, ao ensinar explicitamente o computador a observar características topológicas (como buracos e a forma geral) em vez de apenas pixels brutos, podemos construir uma IA muito mais resistente e confiável.

É a diferença entre tentar memorizar uma fotografia específica de um rosto versus memorizar o fato de que "esta pessoa tem dois olhos e um nariz". Se você tirar uma foto deles no escuro ou de um ângulo estranho, a foto muda, mas o fato de que eles têm dois olhos e um nariz permanece verdadeiro. Essa abordagem torna o computador robusto contra o "ruído" do mundo real.

Resumo técnico

Resumo Técnico: Codificação de Assinaturas Topológicas Robustas para Computação Hiperdimensional

Enunciado do Problema
A computação hiperdimensional (HD) oferece uma alternativa eficiente em recursos às redes neurais profundas para aprendizado em dispositivos de borda, caracterizada por inferência rápida baseada em protótipos e compatibilidade com atualizações online. No entanto, os codificadores HD padrão, que dependem de representações ingênuas baseadas em pixels (vinculação de vetores de posição e intensidade), exibem fragilidade significativa. Como demonstrado na introdução do artigo, pequenos deslocamentos de distribuição — como rotação, ruído gaussiano, ruído sal-e-pimenta ou zoom — podem causar quedas catastróficas na precisão (por exemplo, de 95% para 9% no MNIST com ruído gaussiano). Embora os sistemas de aprendizado profundo tenham trocado em grande parte a eficiência pela profundidade, eles permanecem frágeis a perturbações estruturadas. O problema central abordado é a falta de codificação topológica explícita nos frameworks HD, o que limita sua robustez contra corrupções que perturbam estatísticas locais de pixels enquanto preservam a estrutura global da forma.

Metodologia
Os autores propõem um framework "HD guiado por Topologia" que extrai explicitamente primitivas topológicas discretas de formas binarizadas e as codifica em hipervetores de alta dimensão. A metodologia procede através das seguintes etapas:

1. Extração de Primitivas: A imagem é processada para identificar um multiconjunto de primitivas: o contorno externo (forma global) e buracos internos (características topológicas).
2. Descritores Invariantes a RTS:
   • Forma Externa: O contorno externo é normalizado usando um quadro canônico de Rotação, Translação e Escala (RTS) derivado do eixo principal e do centróide da forma. A forma é então descrita usando um descritor de Momento Zernike de Pirâmide Espacial. Isso combina a distribuição global de massa (via magnitudes de Zernike para invariância à rotação) com o layout espacial local (via decomposição em grade) para capturar tanto a geometria global quanto detalhes estruturais grosseiros. Um Histograma de Gradientes Orientados (HOG) também é incluído para capturar estruturas de bordas locais frequentemente perdidas por momentos globais.
   • Buracos: Para cada buraco detectado, o método computa:
     • Geometria Relativa: O centróide do buraco é mapeado para coordenadas canônicas RTS relativas ao quadro da forma externa.
     • Forma Intrínseca: O limite do buraco é reamostrado e parametrizado. Uma assinatura radial é computada, e suas magnitudes de Fourier (excluindo o componente DC) são usadas como um descritor de forma invariante à rotação.
3. Codificação HD:
   • Cada primitiva é mapeada para um hipervetor bipolar ($\{-1, +1\}^D$) via projeção aleatória e vinculação de papéis (usando vetores de papel específicos de tipo).
   • Conjuntos de buracos de cardinalidade variável são agregados usando empacotamento invariante a permutações (soma elemento a elemento seguida de limiarização de sinal) para formar um único hipervetor de imagem.
4. Ponderação de Confiabilidade: Para evitar superponderar pistas não confiáveis, o sistema aprende pesos de confiabilidade não negativos ($\alpha, \beta$) para os canais Zernike e buraco em relação ao canal HOG. Esses pesos são otimizados em um conjunto de validação fundindo escores de similaridade cosseno dos canais de características separados.
5. Classificação: A classificação é realizada via aprendizado de protótipos, onde os protótipos de classe são acumulados a partir de dados de treinamento e atualizados online.

Principais Contribuições

• Codificação Topológica Explícita: O artigo introduz a primeira integração explícita de primitivas topológicas discretas (especificamente buracos e sua geometria relativa) no paradigma de computação HD.
• Descritores Estáveis a RTS: Constrói descritores que são matematicamente invariantes à rotação, translação e escala por construção, utilizando momentos Zernike para forma global e descritores de Fourier para formas de buracos.
• Robustez via Topologia: O trabalho demonstra que características topológicas (contagem de buracos, conectividade, posicionamento relativo) fornecem informações complementares às características baseadas em pixels, particularmente quando a aparência local está corrompida.
• Aprendizado Online Leve: O framework mantém a vantagem central da HD de treinamento online leve, permitindo que os protótipos se adaptem sem retreinamento do zero.

Resultados
Experimentos foram conduzidos nos conjuntos de dados MNIST e EMNIST sob corrupções controladas (rotação, ruído gaussiano, sal-e-pimenta, recorte e zoom).

• Vs. HD Ingênuo: O HD guiado por Topologia supera significativamente a linha de base HD ingênua baseada em pixels em todos os tipos de corrupção. Por exemplo, sob ruído gaussiano ($\sigma=0.1$), a precisão do HD ingênuo cai para ~7%, enquanto o método proposto mantém ~83% (antes do treinamento online) e ~89% (após o treinamento).
• Vs. CNN Compacta: Ao comparar com uma CNN compacta treinada em dados limpos:
  • Dados Limpos: A CNN alcança maior precisão em conjuntos de dados limpos (por exemplo, 99,1% no MNIST vs. 97,68% para o HD guiado por Topologia).
  • Dados Corrompidos: O HD guiado por Topologia demonstra robustez marcadamente superior. Sob ruído gaussiano ($\sigma=0.1$), a CNN colapsa para desempenho próximo ao acaso (~11%), enquanto o HD guiado por Topologia retém ~89% de precisão. Tendências semelhantes são observadas para ruído sal-e-pimenta e oclusões por recorte.
  • EMNIST: No conjunto de dados de letras EMNIST mais complexo, o HD guiado por Topologia supera substancialmente a CNN sob condições de ruído (por exemplo, 57,7% vs. 3,84% sob ruído gaussiano antes do treinamento).

Significado e Alegações
O artigo alega que a estrutura topológica explícita é uma rota prática para alcançar representações HD robustas. O significado reside em demonstrar que a computação HD pode alcançar precisão competitiva em dados limpos enquanto oferece "robustez marcadamente mais forte" a corrupções em nível de pixel em comparação com modelos de aprendizado profundo, sem exigir aumento de dados específico para corrupção. Os autores argumentam que, ao explorar propriedades de invariância inerentes à topologia (homeomorfismo), o sistema pode manter a separabilidade de classes mesmo quando as estatísticas locais de pixels estão severamente degradadas.

Limitações
Os autores reconhecem que o método depende da estabilidade das etapas iniciais de binarização e extração de primitivas. Ruído severo ou baixo contraste podem levar a limites fragmentados ou buracos espúrios, o que impacta negativamente a precisão a jusante. Além disso, as garantias teóricas cobrem transformações de similaridade (RTS), mas não se estendem a deformações não rígidas, efeitos de perspectiva ou grandes deslocamentos de domínio envolvendo desordem de fundo. A etapa de pré-processamento (segmentação e extração de contorno) também é notada como um potencial gargalo computacional dependendo da implementação.